Cosmos Predict

NVIDIA Cosmos Predict进阶

英伟达 Cosmos 家族的视频世界模型，根据文字、图像或视频生成接下来的画面。

Cosmos Predict 是英伟达 Cosmos 世界基础模型家族中负责预测未来画面的分支。Predict1 于 2025 年 1 月随 Cosmos 平台发布，有 7B/14B 扩散模型和多档自回归模型；Predict2 于 2025 年 6 月开放，视频模型有 2B、14B；Predict2.5 于 2025 年 10 月发布，改用基于流（flow）的生成方式，以 Cosmos-Reason1 作文本编码器，把文生、图生和视频续写合进一个模型。它的定位是给机器人和自动驾驶做可微调的底座：用机器人数据后训练，可得到按动作预测画面的模拟器、多视角生成器，或直接当策略（如 Cosmos Policy）。2026 年起英伟达主推统一的 Cosmos 3，Predict 仓库不再活跃开发。

例子官方提供在 Bridge 机器人数据上做动作条件后训练的 Cosmos-Predict2 版本：输入当前画面和一串机械臂动作，生成执行这些动作后的视频；GR00T Dreams 也用它的后训练版本生成机器人训练视频。

也叫: Cosmos-Predict1、Cosmos-Predict2、Cosmos-Predict2.5
相关: Cosmos、世界基础模型、视频生成模型、Cosmos Policy、DreamGen（GR00T Dreams）、Cosmos 3
来源: nvidia-cosmos/cosmos-predict2.5 GitHub 仓库
 nvidia-cosmos/cosmos-predict2 GitHub 仓库
 Cosmos World Foundation Model Platform for Physical AI (arXiv 2501.03575)
信息截至: 2026-06